Question

我的jQuery AJAX客户端与API通信，后者通常返回JSON，但在某些情况下，会返回一个复杂，漂亮，人类可读的网页。

出于调试目的，我想记录这些案例，只保存页面中的文本。我认为这将是一个微不足道的$(result).text()，但这似乎也保留了很多非文本组件，特别是样式表引用的内容。

例如：

$('<html>Some text<style>body { height: 100%;}</style><script type="text/javascript">function f() { return 42;}</script>some more text</body></html>').text();

给出

"Some textbody { height: 100%;}function f() { return 42;}some more text"

我希望看到

"Some textsomemore text"

第二个例子（稍后编辑），因为这需要递归搜索：

<html>abc<script>f=3;</script><div>def<script>g=7</script>ghi</div></html>

应该返回：

"abcdefghi"

没有f=3或g=7。

获取文本的最简单方法是什么？我不需要这个是完美的，也不需要处理毛边的情况;只是不要用数百行JavaScript和CSS充斥我的日志。

= - = - = - =

注意：接受的答案适用于许多情况，但不是全部;看到我对它的评论。目前还不清楚这个问题是否与jQuery版本有关，这在Chrome扩展程序中有些奇怪，或者很可能是在我的环境中搞砸了。失败上下文的症状是，如果匹配元素嵌套在其他元素中，则过滤器不会删除匹配元素。

Answer 1

您可以过滤您不希望参与文字提取的元素，例如＆＃34;脚本，样式＆＃34;等

试试这个：

var str1 = '<html>Some text<style>body { height: 100%;}</style><script type="text/javascript">function f() { return 42;}</script>some more text</body></html>';
var str2 = '<html>abc<script>f=3;</script><div>def<script>g=7</script>ghi</div></html>';

function extractText(htmlString){
    return $(htmlString).filter(function(i, elm){ 
        return !$(elm).is("script, style");
    }).text();
}

console.log(extractText(str1)); // "Some textsome more text"
console.log(extractText(str2)); // "abcdefghi"

jQuery - 从复杂的html页面

1 个答案: